함수 근사 및 비선형 회귀

신경망을 만들어 표본의 입력과 출력 간의 비선형 관계 일반화

앱

2계층 피드포워드 신경망을 사용하여 피팅 문제 풀기

`nftool`	신경망 피팅 앱 열기
`view`	얕은 신경망 보기

`train`	얕은 신경망 훈련
`trainlm`	Levenberg-Marquardt 역전파
`trainbr`	베이즈 정규화 역전파
`trainscg`	스케일링된 켤레 기울기 역전파
`trainrp`	탄력적 역전파
`mse`	정규화된 평균제곱오차 성능 함수
`regression`	(권장되지 않음) 목표값에 대해 얕은 신경망 출력값의 선형 회귀 수행
`ploterrhist`	오차 히스토그램 플로팅
`plotfit`	함수 피팅 플로팅
`plotperform`	신경망 성능 플로팅
`plotregression`	선형 회귀 플로팅
`plottrainstate`	훈련 상태 값 플로팅
`genFunction`	얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성

패턴 인식, 군집화 및 시계열을 위한 얕은 신경망
앱과 함수를 사용하여 함수 피팅, 패턴 인식, 군집화 및 시계열 분석을 위한 얕은 신경망을 설계합니다.
얕은 신경망으로 데이터 피팅
데이터 세트를 피팅하도록 얕은 신경망을 훈련시킵니다.
얕은 다층 신경망 생성, 구성 및 초기화하기
얕은 다층 신경망을 준비합니다.
체지방 추정
이 예제에서는 함수 피팅 신경망이 신체 계측치를 기반으로 체지방률을 추정하는 방식을 보여줍니다.
얕은 다층 신경망 훈련시키고 적용하기
함수 근사 또는 패턴 인식을 위해 얕은 다층 신경망을 훈련시키고 사용합니다.
훈련 후에 얕은 신경망 성능 분석하기
신경망 성능을 분석하고 훈련 프로세스, 신경망 아키텍처 또는 데이터를 조정합니다.
Deploy Shallow Neural Network Functions
Simulate and deploy trained shallow neural networks using MATLAB^® tools.
Deploy Training of Shallow Neural Networks
Learn how to deploy training of shallow neural networks.

병렬 및 GPU 연산을 사용한 얕은 신경망
병렬 및 분산 연산을 사용하여 신경망 훈련과 시뮬레이션의 속도를 높이고 대규모 데이터를 처리합니다.
Automatically Save Checkpoints During Neural Network Training
Save intermediate results to protect the value of long training runs.
Optimize Neural Network Training Speed and Memory
Make neural network training more efficient.
CPU 및 GPU에서 얕은 신경망 훈련시키기
얕은 신경망을 사용하여 대규모 문제에 대한 훈련과 시뮬레이션 속도를 높입니다.

신경망 입력-출력 처리 함수 선택하기
더 효율적인 훈련을 위해 입력값과 목표값을 전처리합니다.
얕은 신경망의 입력값과 출력값 구성하기
configure 함수를 사용하여 훈련에 앞서 신경망을 수동으로 구성하는 방법을 알아봅니다.
최적의 신경망 훈련을 위해 데이터 분할하기
함수를 사용하여 데이터를 훈련, 검증 및 테스트 세트로 분할합니다.
다층 신경망 훈련 함수 선택하기
여러 문제 유형에 대한 훈련 알고리즘의 성능 비교.
얕은 신경망 일반화를 개선하고 과적합 방지하기
일반화를 개선하고 과적합을 방지하는 방법을 알아봅니다.
Train Neural Networks with Error Weights
Learn how to use error weighting when training neural networks.
Normalize Errors of Multiple Outputs
Learn how to fit output elements with different ranges of values.

신경망 설계를 위한 워크플로
신경망 설계 과정의 주요 단계를 알아봅니다.
Four Levels of Neural Network Design
Learn the different levels of using neural network functionality.
얕은 다층 신경망과 역전파 훈련
함수 피팅 및 패턴 인식을 위한 얕은 다층 피드포워드 신경망 설계 워크플로입니다.
얕은 다층 신경망 아키텍처
얕은 다층 신경망의 아키텍처에 대해 알아봅니다.
얕은 신경망 데이터 구조 이해하기
입력 데이터 구조의 형식이 신경망 시뮬레이션에 어떤 영향을 주는지 알아봅니다.
얕은 신경망을 위한 샘플 데이터 세트
얕은 신경망 실험에 사용할 수 있는 샘플 데이터 세트의 목록입니다.
신경망 객체 속성
신경망의 기본 특징을 정의하는 속성을 알아봅니다.
신경망 하위객체 속성
입력값, 계층, 출력값, 목표값, 편향 및 가중치와 같이 신경망 세부 사항을 정의하는 속성을 알아봅니다.